第2季回归 | 这次我们来聊聊机器学习
下载APP
关闭
渠道合作
推荐作者
第2季回归 | 这次我们来聊聊机器学习
2018-06-05 王天一 来自北京
《人工智能基础课》
课程介绍
你好，我是王天一，好久不见。
我想告诉你个好消息，我的新专栏“机器学习 40 讲”终于可以和你见面了！
首先，要谢谢你的一路陪伴，咱们“人工智能基础课”这个专栏，从去年 12 月 5 日上线以来，累计订阅 5000+，可以说，是你的支持让我有了写新专栏的动力。
基础课是学习人工智能的入门第一课，相当于给了你一张人工智能的地图，我希望你可以按图索骥，一点点摸清楚人工智能的大概轮廓，找到学习的方向。
但是人工智能领域的内容浩如烟海，40 期的基础课也基本上是浅尝辄止，只能算是带着你品尝了一下味道。要想继续在人工智能领域深耕，就要沿着人工智能的学习路径，继续打好基础，而人工智能里最重要的基础一定是机器学习。
近年来深度学习很火热，特别是 CNN、RNN 等深度学习模型都取得了很好的效果，获得了极大的关注。但是深度学习的很多模型、算法其实都是根植于机器学习的。对机器学习没有深入学习和深刻理解的话，也很难真正掌握深度学习的精髓。毫无疑问，机器学习依然占据着人工智能的核心地位，也是人工智能中发展最快的分支之一。
在这个新专栏中，我会从机器学习中的共性问题讲起，从统计机器学习和概率图模型两个角度，详细解读一系列最流行的机器学习模型。除了理论之外，在每个模型的介绍中还会穿插一些基于 Python 语言的简单实例，帮你加强对于模型的理解。
“机器学习 40 讲”专栏共 40 期，分为 3 大模块。
机器学习概观。这一模块将从频率学派与贝叶斯学派这两个视角来看机器学习，并讨论超脱于模型和方法之外的一些共性问题，包括模型的分类方式、设计准则、评估指标等。
统计机器学习模型。这一模块将以线性模型为主线，讨论模型的多种扩展和修正，如正则化、线性降维、核方法、基函数变化、随机森林等，探究从简单线性回归到复杂深度网络的发展历程。
概率图模型。这一模块将以高斯分布为起点，将高斯分布应用到从简单到复杂的图模型中，由此认识不同的模型特性与不同的计算技巧，如朴素贝叶斯、高斯混合模型、马尔科夫随机场等。
专栏详细目录如下：
希望可以和你一起，在人工智能的道路上继续探索。
对了，专栏的运营同学还给你发了 10 元专属优惠券，优惠券可以和限时特价同享，也就是只用 35 元就能买到原价 68 元的“机器学习 40 讲”，但是优惠券有效期仅 4 天，所以提醒你抓紧使用。
我们新专栏见！
分享给需要的人，Ta购买本课程，你将得18元
生成海报并分享赞 3
提建议
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
上一篇
直播回顾 | 机器学习必备的数学基础
下一篇
新书 | 《裂变：秒懂人工智能的基础课》
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。